Sóng AI
Writer
- Báo cáo "Khảo sát chiến lược mạng 5G năm 2025" do Heavy Reading thực hiện, dựa trên phản hồi từ 106 cá nhân làm việc tại 51 nhà mạng di động trên toàn cầu. Trong đó, 49% đến từ Bắc Mỹ, 40% từ khu vực châu Á – Thái Bình Dương, và phần còn lại từ châu Âu và các khu vực khác.
1. Chiến lược RAN (Radio Access Network)
- Massive MIMO là công nghệ chủ đạo trong chiến lược RAN của 5G, cung cấp tốc độ tải xuống cao và tăng dung lượng mạng diện rộng.
- 12% nhà mạng dự đoán sẽ triển khai Massive MIMO trên hơn 75% các trạm 4G vào cuối năm 2025, trong khi 22% sẽ triển khai trên hơn một nửa số trạm.
- Các nhà mạng Mỹ có kế hoạch triển khai mạnh mẽ nhất với 49% dự kiến nâng cấp hơn một nửa số trạm 4G lên Massive MIMO vào năm 2025, so với chỉ 25% tại châu Âu.
- 67% nhà mạng sẽ triển khai RAN mở (Open RAN) vào cuối năm 2025, trong đó 14% sẽ là triển khai diện rộng trên toàn khu vực hoặc toàn quốc.
2. Triển khai AI và tự động hóa RAN
- 10% nhà mạng đã triển khai AI/ML trong quản lý RAN, trong khi 52% đang thử nghiệm AI/ML trên các nền tảng quản lý RAN.
- 27% đang cân nhắc thay thế nền tảng SON (Self-Organizing Networks) hiện tại bằng nền tảng tự động hóa RAN mới, và 54% đang xem xét triển khai nền tảng SMO (Service Management and Orchestration) cho tự động hóa RAN.
3. Chiến lược điện toán biên (Edge Cloud)
- Thách thức lớn nhất trong triển khai điện toán biên là tích hợp các thành phần trong hệ sinh thái (27%), tiếp theo là chi phí và độ phức tạp của hạ tầng (18%).
- Các nhà mạng cho rằng việc đáp ứng nhu cầu khách hàng doanh nghiệp sẽ khó khăn hơn khi AI lan tỏa ra biên mạng.
- FWA (Fixed Wireless Access) là dịch vụ được kỳ vọng nhất ở biên mạng, với gần 50% nhà mạng dự định triển khai để tạo nguồn thu mới.
- Dịch vụ AI tại biên cũng là cơ hội lớn, với 30% nhà mạng dự kiến cung cấp dịch vụ quản lý AI cho doanh nghiệp.
4. Mạng lát cắt (Network Slicing) và cơ hội thương mại hóa
- Chỉ 7% nhà mạng đã triển khai các trường hợp sử dụng đầu tiên cho mạng lát cắt.
- 25% dự đoán mạng lát cắt sẽ được triển khai thương mại vào năm 2025, và 49% dự đoán vào năm 2026.
- Thách thức lớn nhất là "thiếu nhu cầu từ khách hàng" (25%) và "khó khăn trong việc định giá cao hơn" (12%).
- 36% nhà mạng tin rằng dịch vụ an ninh công cộng là trường hợp sử dụng mạng lát cắt có tiềm năng thương mại lớn nhất, tiếp theo là FWA và dịch vụ 5G SD-WAN (35%).
5. Định hướng chiến lược cho năm 2025
- Ưu tiên hàng đầu cho chiến lược RAN năm 2025 là mở rộng vùng phủ sóng (31%), tối ưu hóa hiệu suất (26%), và bổ sung dung lượng qua các băng tần mới (25%).
- Việc triển khai FDD Massive MIMO (cho các băng tần không đối xứng) có thể là xu hướng quan trọng trong năm 2025 để gia tăng dung lượng mạng mà không cần băng tần TDD mới.
Báo cáo cho thấy sự tăng trưởng mạnh mẽ của 5G khi số lượng kết nối toàn cầu đã vượt 2 tỷ vào quý 3/2024 (tăng 48% so với năm trước). AI, tự động hóa và Massive MIMO là động lực chính cho hiệu suất RAN. 25% nhà mạng dự kiến triển khai thương mại mạng lát cắt vào năm 2025, trong khi Open RAN sẽ được triển khai rộng rãi hơn. Điện toán biên và AI đang mở ra cơ hội tạo doanh thu mới cho các nhà mạng, đặc biệt là trong lĩnh vực FWA và dịch vụ AI tại biên.
Triển khai AI và tự động hóa RAN trong chiến lược mạng 5G năm 2025
1. AI và tự động hóa trong quản lý mạng RAN
- AI (Trí tuệ nhân tạo) và ML (Machine Learning) đang trở thành yếu tố cốt lõi trong việc quản lý và tối ưu hóa mạng RAN (Radio Access Network) của 5G.
- AI được ứng dụng trong nhiều khía cạnh của RAN, từ lớp vật lý (cải thiện chất lượng tín hiệu và hiệu suất phổ tần) đến các lớp cao hơn (quản lý tính di động và phân bổ tài nguyên).
- AI giúp tối ưu hóa các khía cạnh chính của RAN, bao gồm:
- Beamforming – AI điều chỉnh chùm sóng để cải thiện cường độ tín hiệu và giảm nhiễu.
- Quản lý tính di động – AI dự đoán và điều hướng các chuyển giao (handover) giữa các trạm phát để giảm gián đoạn dịch vụ.
- Phân bổ tài nguyên động (Dynamic Resource Allocation) – AI phân bổ tài nguyên mạng dựa trên lưu lượng thực tế và mức độ ưu tiên.
2. Mức độ triển khai AI/ML trong RAN
Theo khảo sát:
- 10% nhà mạng đã triển khai AI/ML trong nền tảng quản lý RAN.
- 52% nhà mạng đang thử nghiệm AI/ML để tối ưu hóa hiệu suất và quản lý tài nguyên.
- 24% dự kiến sẽ bắt đầu thử nghiệm AI/ML trong vòng 12–18 tháng tới.
- 14% vẫn đang trong quá trình đánh giá và phân tích lợi ích từ AI/ML.
Điều này cho thấy AI/ML đang được ngành viễn thông nhìn nhận là công nghệ chủ lực để cải thiện hiệu suất mạng và giảm chi phí vận hành.
3. Vai trò của AI/ML trong tự động hóa RAN
Tự động hóa mạng RAN (RAN Automation) là xu hướng quan trọng trong triển khai 5G, với các công nghệ chính gồm:
- Self-Organizing Network (SON) – Mạng tự tổ chức, cho phép RAN tự động phát hiện sự cố, điều chỉnh cấu hình và cân bằng tải.
- Service Management and Orchestration (SMO) – Hệ thống quản lý và điều phối dịch vụ cho phép kiểm soát các mạng RAN phức tạp, đặc biệt là trong môi trường Open RAN.
Theo khảo sát:
- 27% nhà mạng có kế hoạch thay thế nền tảng SON và hệ thống phân tích RAN bằng nền tảng mới.
- 54% đang xem xét triển khai nền tảng SMO:
- 19% sẽ triển khai SMO cho các trạm Open RAN.
- 17% sẽ triển khai SMO cho cả các trạm RAN truyền thống và Open RAN.
- 18% đang xem xét các tùy chọn về SMO nhưng chưa đưa ra quyết định cuối cùng.
=> Điều này cho thấy sự chuyển dịch từ SON sang SMO đang diễn ra nhanh chóng khi các nhà mạng tìm cách hiện đại hóa cơ sở hạ tầng RAN để đáp ứng yêu cầu của 5G.
4. AI/ML và bộ điều khiển RAN thông minh (RIC)
- Bộ điều khiển RAN thông minh (RAN Intelligent Controller - RIC) đang trở thành công cụ quan trọng trong việc triển khai AI vào RAN.
- RIC cho phép lập trình mạng và tối ưu hóa tài nguyên động dựa trên các thuật toán AI.
- AI trong RIC được triển khai ở hai cấp độ:
- Non-Real Time RIC – Phân tích dữ liệu lịch sử để tối ưu hóa cấu hình mạng.
- Near-Real Time RIC – Tối ưu hóa mạng trong thời gian thực để giảm thiểu độ trễ và cải thiện trải nghiệm người dùng.
=> AI giúp RIC điều chỉnh chùm sóng, kiểm soát phân bổ tài nguyên, và cải thiện tốc độ chuyển giao giữa các trạm phát.
5. Lợi ích từ AI và tự động hóa RAN
Tăng hiệu quả sử dụng tài nguyên – AI giúp điều chỉnh băng thông và năng lượng theo nhu cầu thực tế, giảm chi phí vận hành. Tăng hiệu suất mạng – AI tối ưu hóa beamforming và xử lý tín hiệu, giúp cải thiện tốc độ và chất lượng kết nối. Giảm chi phí vận hành (OPEX) – Tự động hóa giúp giảm chi phí vận hành bằng cách loại bỏ các quy trình thủ công. Phát hiện và khắc phục sự cố nhanh hơn – AI phân tích lưu lượng mạng và phát hiện bất thường, cho phép tự động xử lý sự cố trước khi ảnh hưởng đến người dùng. Tăng khả năng bảo mật – AI phát hiện các hành vi bất thường trong luồng dữ liệu để ngăn chặn tấn công mạng và bảo vệ dữ liệu người dùng.6. Thách thức khi triển khai AI và tự động hóa RAN
- Tính phức tạp của hạ tầng mạng – Việc triển khai AI yêu cầu cấu trúc dữ liệu mạnh mẽ và hệ thống xử lý phức tạp.
- Khả năng tương thích – AI cần được tích hợp liền mạch vào các nền tảng RAN hiện tại, bao gồm cả RAN truyền thống và Open RAN.
- Chi phí triển khai cao – Đầu tư vào phần cứng (ví dụ: máy chủ GPU) và phần mềm AI có thể gây áp lực lên ngân sách vận hành.
- Thiếu nhân sự có kinh nghiệm – Việc thiếu kỹ sư có kinh nghiệm về AI và ML trong lĩnh vực viễn thông là một thách thức lớn.
7. Tương lai của AI và tự động hóa RAN
- AI sẽ đóng vai trò cốt lõi trong các mạng 5G nâng cao (5G Advanced) – Với việc chuẩn hóa các tính năng trong 3GPP Release 18–20, AI sẽ được tích hợp sâu hơn trong các nền tảng RAN.
- AI-Driven RAN sẽ là tiêu chuẩn cho mạng 6G – AI không chỉ dừng lại ở việc tối ưu hóa mạng mà sẽ tham gia vào điều hành và quản lý mạng ở cấp độ cao hơn trong kỷ nguyên 6G.
- AI và Open RAN sẽ thúc đẩy cạnh tranh và đổi mới – Sự phát triển của Open RAN sẽ cho phép các nhà mạng linh hoạt hơn trong việc triển khai AI, giảm sự phụ thuộc vào các nhà cung cấp truyền thống.
Kết luận
AI và tự động hóa RAN đang trở thành yếu tố chiến lược để cải thiện hiệu suất và giảm chi phí vận hành trong mạng 5G. Với 10% nhà mạng đã triển khai AI/ML và 52% đang thử nghiệm, AI đang cho thấy tiềm năng to lớn trong việc nâng cao hiệu suất mạng và mang lại doanh thu mới từ các dịch vụ cao cấp. Việc chuyển đổi từ SON sang SMO và ứng dụng RIC là bước đi quan trọng trong việc xây dựng hệ thống mạng 5G thông minh và linh hoạt.
Triển khai AI tại biên trong chiến lược mạng 5G năm 2025
AI (Trí tuệ nhân tạo) tại biên (Edge AI) là một trong những xu hướng quan trọng trong chiến lược mạng 5G năm 2025. AI tại biên không chỉ giúp tối ưu hóa hiệu suất mạng mà còn tạo ra các dịch vụ giá trị gia tăng cho khách hàng doanh nghiệp (B2B) và người dùng cuối (B2C). Việc tích hợp AI với mạng điện toán biên (Edge Computing) cho phép xử lý dữ liệu nhanh hơn, giảm độ trễ và cải thiện trải nghiệm người dùng theo thời gian thực.
1. Vai trò của AI trong điện toán biên (Edge Computing)
- Điện toán biên là quá trình xử lý dữ liệu tại vị trí gần người dùng hoặc thiết bị đầu cuối thay vì gửi về các trung tâm dữ liệu tập trung.
- AI tại biên giúp xử lý và phân tích dữ liệu ngay tại nguồn, từ đó:
- Giảm độ trễ (latency) – Dữ liệu được xử lý gần vị trí người dùng, cho phép phản hồi nhanh hơn.
- Giảm tải cho mạng lõi – Việc xử lý cục bộ làm giảm nhu cầu truyền tải dữ liệu về trung tâm, tiết kiệm băng thông mạng.
- Cải thiện bảo mật – Dữ liệu nhạy cảm không cần gửi đi xa, giúp tăng cường bảo mật và tuân thủ quy định về dữ liệu.
2. Mức độ triển khai AI tại biên trong ngành viễn thông
Theo khảo sát của Heavy Reading:
- 46% các nhà mạng cho rằng nhu cầu về kết nối độ trễ thấp sẽ là yêu cầu quan trọng nhất khi triển khai AI tại biên.
- 44% dự báo các doanh nghiệp sẽ cần kỹ năng về khoa học dữ liệu (data science) để chuẩn bị và tối ưu hóa dữ liệu cho AI.
- 38% cho rằng tích hợp API để kết nối các hệ thống AI với các ứng dụng doanh nghiệp là yếu tố quan trọng.
- 37% đánh giá việc tiếp cận các nền tảng đám mây có khả năng mở rộng để triển khai và quản lý ứng dụng AI là rất cần thiết.
- 35% nhận định doanh nghiệp sẽ cần kỹ năng về Machine Learning (ML) để xây dựng và đào tạo các mô hình AI.
- 32% cho rằng kết nối động (dynamic connectivity) để hỗ trợ các tác vụ AI riêng biệt sẽ là xu hướng lớn.
=> Điều này cho thấy nhu cầu thực tế từ doanh nghiệp đang thúc đẩy sự phát triển của AI tại biên.
3. Lợi ích của AI tại biên
Tăng tốc độ xử lý dữ liệu
- AI có thể phân tích và xử lý dữ liệu trực tiếp tại biên mà không cần gửi về trung tâm dữ liệu.
- Phản hồi gần như ngay lập tức cho các dịch vụ thời gian thực như trò chơi trực tuyến, AR/VR và IoT công nghiệp.
Giảm độ trễ cho các ứng dụng quan trọng
- AI tại biên giúp cải thiện hiệu suất cho các dịch vụ yêu cầu độ trễ cực thấp như:
- Xe tự lái (Autonomous Vehicles)
- Robot công nghiệp
- Dịch vụ y tế từ xa (Telemedicine)
Tối ưu hóa tài nguyên mạng
- AI tự động phân bổ tài nguyên mạng dựa trên lưu lượng thực tế.
- Giúp cân bằng tải và giảm nghẽn mạng vào các khung giờ cao điểm.
Giảm chi phí vận hành (OPEX)
- Việc xử lý dữ liệu cục bộ giúp giảm tải cho mạng lõi và tiết kiệm chi phí băng thông.
- Các hệ thống tự động hóa thông qua AI tại biên giúp giảm nhu cầu can thiệp thủ công.
Tăng khả năng bảo mật
- Dữ liệu được xử lý tại biên thay vì truyền qua mạng lõi giúp tăng cường quyền riêng tư và bảo mật.
- AI có thể phát hiện các cuộc tấn công mạng hoặc hành vi bất thường trong thời gian thực và đưa ra phản hồi ngay lập tức.
4. Ứng dụng cụ thể của AI tại biên
Dịch vụ doanh nghiệp (B2B)
AI tại biên cung cấp các giải pháp cho doanh nghiệp như:
- Giám sát và bảo trì dự đoán – AI phân tích dữ liệu cảm biến để dự đoán lỗi và lên kế hoạch bảo trì trước khi sự cố xảy ra.
- Quản lý chuỗi cung ứng thông minh – AI theo dõi dữ liệu chuỗi cung ứng theo thời gian thực và tối ưu hóa hoạt động vận hành.
- Sản xuất công nghiệp (Industry 4.0) – AI điều khiển robot và dây chuyền sản xuất, giảm thiểu lãng phí và tăng hiệu suất.
Trải nghiệm người dùng (B2C)
AI tại biên giúp cải thiện trải nghiệm khách hàng qua các dịch vụ:
- Trò chơi trực tuyến và AR/VR – Giảm độ trễ, nâng cao trải nghiệm thực tế ảo.
- Video streaming và phát sóng trực tiếp – Cải thiện chất lượng hình ảnh và giảm thời gian tải video.
- Ứng dụng chăm sóc sức khỏe từ xa – AI xử lý dữ liệu y tế tại chỗ và cung cấp phản hồi ngay lập tức cho các thiết bị y tế đeo tay.
Mạng lưới thông minh và thành phố thông minh
- AI tại biên cho phép xử lý dữ liệu cảm biến trong thành phố thông minh, từ đó:
- Quản lý giao thông thông minh.
- Điều khiển đèn giao thông để giảm tắc nghẽn.
- Cảnh báo sự cố trong hệ thống điện và nước.
5. Thách thức trong triển khai AI tại biên
Chi phí triển khai cao- Đầu tư vào hạ tầng AI tại biên đòi hỏi chi phí lớn cho phần cứng (máy chủ, GPU, máy học) và phần mềm AI.
- Việc tích hợp AI với các hệ thống RAN hiện có cũng làm tăng chi phí vận hành.
Phức tạp trong quản lý hạ tầng- Mỗi trạm biên (edge node) có thể hoạt động như một trung tâm dữ liệu thu nhỏ, yêu cầu hệ thống quản lý phức tạp.
- Đòi hỏi các nền tảng AI phải có khả năng thích ứng nhanh với sự thay đổi của môi trường mạng.
Thiếu nhân sự có chuyên môn cao- Việc đào tạo đội ngũ kỹ sư về AI, học máy và khoa học dữ liệu là thách thức lớn cho các nhà mạng.
- Việc thiếu nhân sự có khả năng xây dựng và vận hành AI tại biên có thể làm chậm quá trình triển khai.
6. Xu hướng phát triển AI tại biên trong tương lai
AI tại biên sẽ trở thành tiêu chuẩn cho 5G Advanced- Trong các bản phát hành 3GPP Release 18–20, AI sẽ được tích hợp sâu hơn vào các nền tảng RAN và biên mạng.
Tăng cường bảo mật với AI- AI tại biên sẽ phân tích các luồng dữ liệu và tự động phát hiện các mối đe dọa bảo mật trong thời gian thực.
AI kết hợp với Open RAN và SMO- AI sẽ được triển khai thông qua các nền tảng SMO (Service Management and Orchestration) và bộ điều khiển RAN thông minh (RIC) trong các mạng Open RAN.
Kết luận
AI tại biên đang mở ra cơ hội lớn cho ngành viễn thông, đặc biệt là trong việc cung cấp các dịch vụ có độ trễ thấp và hiệu suất cao. 46% nhà mạng nhận định rằng nhu cầu về kết nối độ trễ thấp là động lực lớn nhất cho AI tại biên. Tuy nhiên, việc thiếu hụt nhân sự, chi phí triển khai cao và sự phức tạp trong quản lý hạ tầng là những thách thức lớn cần được giải quyết để khai thác hết tiềm năng của AI tại biên trong kỷ nguyên 5G Advanced.
5G Network Strategies Operator Survey (2025): Scaling and Creating Value on the 5G Network Platform
Want to know where 5G is headed next?
lr-resources.lightreading.com
Nguồn: Songai.vn
